[發明專利]基于場景重識的定位方法、電子設備、存儲介質、系統

有效

• 申請號: 201710923718.1
• 申請日: 2017-09-30
• 公開（公告）號: CN107907124B
• 公開（公告）日: 2020-05-15
• 發明（設計）人: 王越;尹歡
• 申請（專利權）人: 杭州迦智科技有限公司
• 主分類號: G01C21/00
• 分類號: G01C21/00;G06T7/73
• 代理公司: 廣州市越秀區哲力專利商標事務所(普通合伙) 44288
• 代理人: 胡擁軍

本發明提供基于場景重識的定位方法，包括數據轉換，將三維激光數據轉換為二維單通道圖像；建立特征地圖，對圖像進行標記，得到圖像對應的標簽；將圖像與標簽作為輸入，采用神經網絡訓練模型進行訓練得到特征向量，根據特征向量建立特征地圖；全局定位，根據當前激光數據與已有特征地圖進行匹配，選取匹配結果最近的結果作為當前全局定位。本發明還涉及電子設備、存儲介質、系統。本發明基于k?d樹的快速搜索完成激光數據與地圖的匹配，以場景重識作為觀測模型、融合里程信息、粒子濾波算法在全局上估計出機器人的二維位姿；本發明具有旋轉不變性，與機器人此時的朝向無關；本發明適應室外環境的緩變，適用于機器人的長期運行。

技術領域

本發明涉及定位方法，尤其涉及基于場景重識的定位方法、電子設備、存儲介質、檢測系統。

背景技術

近年來，室外移動機器人出現在生產生活的各個方面。對于無人駕駛、室外巡檢、自動送貨等功能而言，移動機器人需要較為魯棒的全局定位。而在長期運行的環境中，定位丟失或者機器人被綁架的情況難以避免，所以在這種情況下需要快速且精準地定位機器人。三維激光傳感器能夠較為精準地得到機器人周圍的環境結構信息，已經被廣泛應用于室外機器人的地圖構建與實時定位。這正成為本發明研究與深入的方向。

發明內容

為了克服現有技術的不足，本發明的目的在于提供一種基于場景重識的定位方法、電子設備、存儲介質、檢測系統，采用基于三維激光數據的場景重識技術是全局定位的關鍵與基礎；此外，基于k-d樹的快速搜索完成激光數據與地圖的匹配，以場景重識作為觀測模型、融合里程計信息、粒子濾波算法在全局上估計出機器人的二維位姿，這種轉化方法具有旋轉不變性，與機器人此時的朝向無關。同時本發明適應室外環境的緩變，適用于機器人的長期運行。

本發明提供基于場景重識的定位方法，包括以下步驟：

數據轉換，將三維激光數據轉換為二維單通道圖像；

建立特征地圖，根據場景對所述圖像標記對應的場景標簽；將所述圖像與場景標簽作為輸入，采用神經網絡訓練模型進行訓練得到特征向量模型，利用特征向量模型將所述圖像轉化得到特征向量，根據所述特征向量建立特征地圖；

全局定位，利用特征向量模型獲取當前激光數據對應的特征向量，將所述特征向量與所述特征地圖進行匹配，根據最優匹配結果計算當前位置。進一步地，所述步驟數據轉換具體為：

S101、獲取三維激光數據中各激光點的仰角；

S102、根據所述激光點的仰角，將三維激光數據劃分得到不同仰角區間的子集；

S103、統計相同仰角區間內相鄰激光點之間的距離變化，得到各個所述子集的一維統計分布；

S104、對各個所述子集的統計分布進行排列，得到二維單通道圖像。

進一步地，所述步驟建立特征地圖具體采用k-d樹將所有所述特征向量構建特征地圖。

進一步地，所述步驟建立特征地圖具體為：

S201、獲取所述二維單通道圖像，并對所述二維單通道圖像進行標注，得到所述圖像對應的標簽；

S202、將所述圖像與所述標簽作為輸入，采用神經網絡訓練模型進行訓練得到一維特征向量；

S203、根據所述一維特征向量，采用k-d樹構建特征地圖。

進一步地，所述S201步驟具體為：計算每一幀激光數據對應的機器人位姿，根據所述位姿差值判斷是否為相同場景，并將所述激光數據與所述圖像配上閉環場景或非閉環場景的標簽。

進一步地，所述S202步驟中采用對稱神經網絡訓練模型進行訓練。